digital-libraries-systems

name	digital-libraries-systems
description	Bibliothèques numériques, archivage, métadonnées, identifiants pérennes, science ouverte et humanités numériques (cs.DL)
category	research

Bibliothèques Numériques & Digital Libraries (cs.DL)

Présentation

Ce skill couvre le domaine cs.DL (Digital Libraries) — l'ensemble des systèmes, standards, formats et protocoles qui permettent la création, la gestion, la préservation et la diffusion de collections numériques. Il sert de guide pour la recherche et l'ingénierie autour des bibliothèques numériques, de l'archivage pérenne, des métadonnées structurées, du linked open data, de l'OCR, et des infrastructures de science ouverte.

---

Domaines

1. Systèmes de bibliothèques numériques

Système	Description	Langage	Dépôt
DSpace	Plateforme open-source de référence pour dépôts institutionnels (MIT, HP)	Java	https://github.com/DSpace/DSpace
Fedora	Flexible Extensible Digital Object Repository Architecture	Java	https://github.com/fcrepo/fcrepo
Greenstone	Suite de création de bibliothèques numériques (UNESCO, Waikato)	C++/Perl	https://www.greenstone.org
Invenio	Framework pour dépôts de recherche (CERN)	Python	https://inveniosoftware.org
Samvera/Hyrax	Écosystème de gestion de collections (ex-Hydra)	Ruby/Rails	https://samvera.org
Omeka	Plateforme pour expositions virtuelles et DH	PHP	https://omeka.org
Islandora	Solution intégrée Fedora + Drupal	PHP/Java	https://islandora.ca

2. Schémas de métadonnées

Standard	Usage	Spécification
Dublin Core (DC)	Métadonnées génériques (15 éléments de base + DC Terms)	ISO 15836
MARC21	Catalogage bibliothécaire (format machine)	https://www.loc.gov/marc
MODS	Metadata Object Description Schema (XML, LC)	https://www.loc.gov/standards/mods
METS	Metadata Encoding & Transmission Standard (structure)	https://www.loc.gov/standards/mets
PREMIS	Preservation Metadata (événements, droits)	https://www.loc.gov/standards/premis
BIBFRAME	Modèle de données bibliographique (Linked Data, LC)	https://www.loc.gov/bibframe
CIDOC-CRM	Modèle conceptuel pour le patrimoine culturel (ICOM)	ISO 21127
TEI	Text Encoding Initiative (textes littéraires/scientifiques)	https://tei-c.org

3. Archivage numérique et préservation

Technologie	Rôle
OAIS (ISO 14721)	Modèle de référence Open Archival Information System — architecture fonctionnelle (SIP, AIP, DIP)
LOCKSS	Lots of Copies Keep Stuff Safe — préservation distribuée pair-à-pair
CLOCKSS	Controlled LOCKSS — archive de sauvegarde mondiale, coopérative
Archivematica	Pipeline automatisé de préservation numérique (basé sur OAIS)
BagIt	Format de paquetage pour le transfert de contenu numérique (IETF RFC 8493)
DuraCloud	Service cloud de préservation et d'accès

4. OCR et extraction de texte

Outil	Description
Tesseract	Moteur OCR open-source (Google), support >100 langues, LSTM
GROBID	Extraction et structuration de publications scientifiques (XML TEI)
OCR-D	Framework allemand pour OCR de documents historiques
Kraken	Moteur d'OCR avec support de transcription pour documents historiques
eScriptorium	Interface web de transcription manuscrite (basée Kraken)
Transkribus	Plateforme de reconnaissance d'écriture manuscrite (HTR)
ABBYY FineReader	OCR commercial, haute précision, documents complexes

5. Indexation et recherche

Technologie	Description
Elasticsearch	Moteur de recherche distribué (RESTful, JSON, temps réel)
Solr	Plateforme de recherche open-source (Apache, Lucene sous-jacent)
Apache Lucene	Bibliothèque Java d'indexation et recherche full-text
Vecteur + Recherche sémantique	Embeddings, hybrid search (kNN + BM25), RAG

6. Identifiants pérennes

Identifiant	Usage	Organisation
DOI	Digital Object Identifier — publications, datasets	Crossref, DataCite
Handle	Handle System — identifiants génériques	CNRI
ARK	Archival Resource Key — bibliothèques, archives	California Digital Library
ORCID	Identifiant chercheur — auteurs, contributeurs	ORCID Inc.
ISSN/ISBN	Publications en série / livres	ISSN IC, ISBN Agency
SWHID	Software Heritage Identifier — code source	Software Heritage
RAiD	Research Activity Identifier — projets	ARDC

7. Linked Open Data (LOD)

Technologie	Rôle
RDF	Resource Description Framework — graphe de données
SPARQL	Langage de requête RDF (endpoints)
SKOS	Simple Knowledge Organization System — thesaurii, taxonomies
IIIF	International Image Interoperability Framework — images, manifests, APIs
OAI-PMH	Open Archives Initiative — Protocol for Metadata Harvesting
JSON-LD	Encodage JSON de RDF pour APIs Web
Triplestores	Fuseki, Virtuoso, Blazegraph, GraphDB

8. Science ouverte

Infrastructure	Description
arXiv	Prépublications (physique, maths, CS) — Cornell
HAL	Archive ouverte française — multi-disciplinaire
Zenodo	Dépôt généraliste (CERN) — datasets, posters, software
OpenAire	Infrastructure européenne de science ouverte
Plan S / cOAlition S	Accès immédiat et ouvert aux publications
Software Heritage	Archive du code source (Inria, UNESCO)
PKP/Open Journal Systems	Gestion et publication de revues open access

9. Digital Humanities (Humanités Numériques)

Domaine	Exemples d'outils et méthodes
Édition numérique	TEI Publisher, Edition Visualization Technology (EVT)
Analyse textuelle	Voyant Tools, TXM, AntConc, stylométrie (stylo)
Cartographie historique	GIS historique, Neatline (Omeka), Palladio
Réseaux sociaux historiques	Gephi, Palladio, Nodegoat
Corpus et linguistique	SketchEngine, CLARIN, DARIAH
Visualisation	D3.js, Vega-Lite, RAWGraphs
Reconnaissance d'écriture	Kraken + eScriptorium, Transkribus

---

Articles et conférences

Revues majeures

• International Journal on Digital Libraries (IJDL) — Springer
• Journal of the Association for Information Science and Technology (JASIST) — Wiley
• Library Hi Tech — Emerald
• Digital Scholarship in the Humanities (DSH) — Oxford
• Code4Lib Journal — open-access

Conférences

• JCDL — ACM/IEEE Joint Conference on Digital Libraries
• TPDL — International Conference on Theory and Practice of Digital Libraries
• iConference — sociale, technique, curation
• DH — Digital Humanities (ADHO)
• Open Repositories — dépôts institutionnels
• IDCC — International Digital Curation Conference

Requêtes arXiv (cs.DL)

Recherche de papiers sur arXiv dans la catégorie Digital Libraries :

# Recherche générale cs.DL (bibliothèque arXiv)
web_search("arXiv cs.DL digital libraries survey 2024 2025")

# Recherche par sujet
web_search("arXiv cs.DL metadata schema BIBFRAME linked data")
web_search("arXiv cs.DL OAIS preservation digital curation")
web_search("arXiv cs.DL IIIF image interoperability framework")
web_search("arXiv cs.DL open science repositories Zenodo HAL")
web_search("arXiv cs.DL OCR historical documents deep learning")
web_search("arXiv cs.DL digital humanities text mining corpus")

Papiers de référence

• Lagoze, C., & Van de Sompel, H. (2001). The Open Archives Initiative: Building a low-barrier interoperability framework
• Arms, W. Y. (2000). Digital Libraries — MIT Press (ouvrage fondateur)
• Borgman, C. L. (2007). Scholarship in the Digital Age — MIT Press
• Candela, L. et al. (2007). Setting the Foundations of Digital Libraries: The DELOS Manifesto

---

Veille

Réseaux sociaux et blogs techniques

• @code4lib — communauté de développeurs de bibliothèques
• @CLIRnews — Council on Library and Information Resources
• @OAIS_community — archivage OAIS
• @IIIF_io — IIIF Community
• Digital Preservation Coalition — https://www.dpconline.org
• The Signal (Library of Congress) — blog préservation numérique
• D-Lib Magazine — (archivé, mais ressource historique majeure)

Dépôts GitHub à suivre

• DSpace/DSpace — https://github.com/DSpace/DSpace
• fcrepo/fcrepo — https://github.com/fcrepo/fcrepo
• samvera-labs/hyrax — https://github.com/samvera/hyrax
• inveniosoftware/invenio — https://github.com/inveniosoftware
• artefactual/archivematica — https://github.com/artefactual/archivematica
• kermitt2/grobid — https://github.com/kermitt2/grobid
• tesseract-ocr/tesseract — https://github.com/tesseract-ocr/tesseract
• OCR-D/core — https://github.com/OCR-D/core
• IIIF/api — https://github.com/IIIF/api

Hashtags pour suivis

• #DigitalLibraries #OpenAccess #OAIS #Metadata #IIIF
• #DigitalPreservation #OCRs #LinkedData #SPARQL #BIBFRAME
• #OpenScience #PlanS #DigitalHumanities #DH #TEI

Recommandations méthodologiques

1. Modélisation des données : toujours partir d'un schéma de métadonnées existant (Dublin Core pour le minimal, MODS/METS pour le bibliographique complet, CIDOC-CRM pour le patrimoine)
2. Stockage pérenne : suivre le modèle OAIS (SIP → AIP → DIP), compatible BagIt
3. Identifiants : tout objet numérique doit avoir un identifiant pérenne (DOI ou ARK) résolvable via Handle
4. Interopérabilité : privilégier OAI-PMH, IIIF (flux images), APIs REST, et exports RDF/JSON-LD
5. Recherche : utiliser Elasticsearch ou Solr avec indexation full-text + facettes + métadonnées
6. OCR : pipeline optimal = Kraken/eScriptorium (documents historiques) ou Tesseract + GROBID (publications modernes)
7. Science ouverte : déposer dans une archive ouverte (HAL, arXiv, Zenodo) et attribuer un ORCID
8. Humanités numériques : adopter TEI pour les textes, IIIF pour les images, et visualisations interactives en D3.js/Vega-Lite

---

Commandes utiles

Installation rapide des outils CLI

# Tesseract OCR
sudo apt install tesseract-ocr tesseract-ocr-fra tesseract-ocr-eng

# GROBID (docker)
docker pull grobid/grobid:latest

# Elasticsearch (via apt ou docker)
docker pull docker.elastic.co/elasticsearch/elasticsearch:8.x.x

# Outils de métadonnées
pip install pyoai oaipmh-scythe pybtex pandas

# Extraction et conversion
pip install pymarc pymods pdfplumber openpyxl

Exemple : moissonnage OAI-PMH

# Récupération de notices depuis une archive ouverte via OAI-PMH
from oaipmh_scythe import Scythe

client = Scythe("https://api.archives-ouvertes.fr/oai/hal/")
records = client.list_records(metadata_prefix="oai_dc", set="cs")
for record in records:
    header, metadata, about = record
    # Traiter les métadonnées Dublin Core
    print(metadata.getField("title"))

Exemple : requête SPARQL sur un endpoint

PREFIX dc: <http://purl.org/dc/elements/1.1/>
PREFIX dcterms: <http://purl.org/dc/terms/>
SELECT ?title ?creator ?date
WHERE {
  ?s dc:title ?title ;
     dc:creator ?creator ;
     dcterms:date ?date .
  FILTER(LANG(?title) = "fr")
}
LIMIT 20

Exemple : extraction GROBID (XML → texte)

# Lancer le service
docker run -d --rm --name grobid -p 8070:8070 grobid/grobid:latest

# ENPOST: Envoyer un PDF vers GROBID pour extraction
curl -X POST -F "input=@/path/to/article.pdf" \
  http://localhost:8070/api/processFulltextDocument \
  -o article.tei.xml

---

Références bibliographiques

• Térmens, M. (2023). Digital Preservation in Libraries: Preparing for a Sustainable Future. ALA Editions.
• Zeng, M. L., & Qin, J. (2024). Metadata. 3rd ed. ALA Neal-Schuman.
• Svenonius, E. (2009). The Intellectual Foundation of Information Organization. MIT Press.
• Besser, H. (2004). Introduction to Digital Libraries. UCLA.
• Preservation and Archiving Special Interest Group (PASIG) — rapports techniques.
• IFLA (International Federation of Library Associations and Institutions) — Metadata Resources.